该文章原创文章，同步发表于公众号“品质星动力”，欢迎各位关注点赞，更希望能帮助到大家。

也欢迎私信加我的品质群，或知识星球，一起探索。

“CPK，一般品质人刚接触到这个概念的时候觉得晦涩，有挑战性。有的认为：这不就是技术专业知识吗？也碰巧大一大二学的高等数学，概率统计基础还在，猛如虎的操作可能豁然开朗，然而一段时间后，模糊了，再过一段时间，好像没印象了。”

一 CPK是什么？

其实就是衡量生产过程能力高低的数据，CP,CPK,PPK,CMK因为生产工艺复杂性和取样等不同而导致不同。我经常举个例子：两个短跑运动员，一个训练最好成绩9.9s，一个11s，这个类似CP，是个人能力。同样是数控加工中心，马扎克和北京精雕机，精度是不一样的。一个做到+/-0.01，一个假如+/-0.02，这是设备能力。但是假如临时比赛，大概率是9S的运动员获胜。这里还涉及到精度和其他比赛因素，个人心理因素，像极了一个生产加工的工序过程。例子就是例子，你只要记住我有能力达到多少，但是实际上表现出多少能力，这是两个概念帮助你理解CP和CPK。

过程能力(process capability)以往称为工序能力，是指过程的加工水平满 足技术标准的能力，它是衡量过程加工内在一致性的标准。过程能力与生产能 力不同，生产能力是加工方面的能力。过程能力取决于人、机、料、法、 环而与公差无关，故通常用统计控制状态下的6倍标准差(表示过程能力）。

过程能力指数(process capability index)表示过程能力满足技术标准(产品 规范、公差)的程度，一般记为PCI或CP。

二 过程能力分析的基础是什么？

依据数理统计理论，当生产过程稳定时，绝大多数计量值特性服从常态分布。

对一个正常的过程参数（比如：尺寸）随机抽样，（计量值）数据应呈常态分布（正态分布或高斯分布）。

依据概率理论计算，99.73%的样本将落在+/-3σ的范围内，只有很小的概率（0.27%）+/-3σ的范围内，由于小概率事件一般不会发生，可以认为不会有尺寸在规格之外。

三 与Cpk值相关的几个重要概

USL (Upper Specification Limit): 即规格上限；

LSL (Low Specification Limit): 即规格下限；

U：规格中心值

平均值 =(x1+x2+… …+xn)/n ；(n为样本数)

T：规格公差，即 T=规格上限一规格下限=USL-LSL；

σ（sigma）：为数据的标准差

四 Cpk值的计算公式

制程能力指数（CPK）：是工程精确度（Ca)和工程能力指数(Cp）的综合评价：Cpk=Cp(1－︱Ca︱)

Cp(Capability of Precision) — 制程精密度Ca(Capability of Accuracy) — 制程准确度

K= ︱Ca︱ — 制程偏差度

注：计算Cpk时，取样数据至少应有20组数据，方具有一定代表性。Ca (Capability of Accuracy)：制程准确度；Ca 在衡量“实际平均值“与“规格中心值”之一致性；①对于单边规格，不存在规格中心，因此也就不存在Ca；②对于双边规格:

Cpk值的计算公式（2）

CP=(USL-LSL)/6δ=T/6δ

CPK=Min（CPU，CPL）=Min[（（USL-X平均值）/3 δ）；（X平均值-LSL）/3 δ）]

五 如何运用？

兄弟们，看公式枯燥不？其实实际运用中不需要这么麻烦，大家会用就行，原理看了能懂，记住更好。谁家的CPK不是根据设定的表格，只需要填写公式就OK 了啊。一般的是客户特定的格式，一种就是自己用软件比如minitable来计算。我下面贴两个例子：

作为PQE而言，可能用第一种合适，你只需要设计好方案和尺寸选取，并千万注意要进行MSA分析，确保了量测的精准度后再去让QC收集数据，你来分析就可以。如何评判？有参照表。如何分析，这的结合工艺，从公式入手，无非就是人机料法环的相关因素？这里不做赘述。后续可能会直播视频。

作为SQE而言，你要练的火眼金睛。第一选择真正你需要的CPK尺寸，第二辨别清楚供应商量具使用的精准度，不然数据有何意义？第三准确识别出假数据和真数据。第四考虑风险。

六 实例计算

最后，来个例子去计算，加深印象。注意两种方法啊。

某零件长度质量要求为120±0.5mm，知生产一批零件的均值为120.2mm、标准差为0.1mm，求Ppk（　）计算？

出答案的可以评论区回复，严格套取公式即可，两种方式均已验证OK 。